官网原文:图像平滑(Smoothing Images)
2D卷积 == 图像滤波
低通滤波器(low-pass filters(LPF)):低通滤波器去噪音,并且模糊图片等
.
高通滤波器(high-pass filters(HPF)):高通滤波器有助于找到图像边缘
.
OpenCV提供了一个函数用来计算图片与核的卷积: cv.filter2D().
例如,我们将尝试对图像进行均值滤波。 5x5均值滤波器内核如下所示:
工作原理:将该核保持在像素上方,相加该核下方的所有像素,取其平均值并用新的平均值替换中心像素。它继续对图像中的所有像素执行此操作。
图像模糊 == 图像平滑
图像模糊 = 原图像 ⨂ ⨂ 低通滤波器核
它有助于消除噪音
。它实际上从图像中去除了高频内容(例如:噪声,边缘)。因此在此操作中边缘会模糊一点。 (嗯,有模糊的技术,也不会模糊边缘)。 OpenCV主要提供四种模糊技术。
1.均值(Averaging)滤波
结果 = 原图像 ⨂ ⨂ a normalized box filter
它只取内核区域下所有像素的平均值并替换中心元素。
函数: cv.blur() or cv.boxFilter()
A 3x3 normalized box filter would look like below:
2.平滑高斯滤波(Gaussian Blurring)
高斯模糊,在从图像中去除高斯噪声
方面非常有效。
3.中值滤波(Median Blurring)
函数: cv.medianBlur()
有效去除椒盐噪声
.